我们来看两个信道的容量问题。对于第一个信道，其离散无记忆信道的转移概率矩阵为：

[

P = \begin{pmatrix}

\frac{2}{3} & \frac{1}{3} & 0 \

\frac{1}{3} & 0 & \frac{2}{3}

\end{pmatrix}

]

我们需要求该信道的信道容量。信道容量是指在最佳输入概率分布下，信道的最大传输速率。为了计算信道容量，我们可以借助于迭代算法进行求解。可以参考离散信道容量迭代以及信道容量的迭代算法计算最佳信源概率信道容量C了解更多计算细节。

我们再来看第二个信道，如图6.18所示：

[

P = \begin{pmatrix}

0 & \frac{1}{2} & 0 \

0 & 0 & 1 \

\frac{1}{2} & 0 & 0

\end{pmatrix}

]

这个信道的转移概率矩阵可以清楚地写出来。我们还需要判断该信道是否为对称信道，对称信道是指其转移概率矩阵满足某种对称性。要了解更多关于信道对称性的内容，可以参考迭代算法实现离散信道容量。

那么，哪个信道是有噪声信道，哪个是无噪声信道呢？通常，无噪声信道意味着接收方能完全确定发送方的信息，而有噪声信道则存在误码。上面的两个信道中，第一个信道由于其转移概率的关系，可以看作是有噪声信道，而第二个信道则相对更接近无噪声信道。

为了求得信道容量和达到容量时的输入概率分布，我们还可以参考离散信道容量的迭代算法以及matlab代码信息熵离散无记忆信道计算香浓。这些资源提供了详细的步骤和示例代码，可以帮助我们更好地理解和计算信道容量。

至于级联信道的容量和达到容量时的输入概率分布，级联信道的计算更为复杂，但可以通过分步计算来解决。具体的计算方法可以参考信道容量。